Cloud en AI bepalen de toekomst van slimme oplossingen

Moderne technologische innovaties hebben de grenzen van de kernautomatisering overschreden. Momenteel wordt met grote verwachting verwacht dat dergelijke systemen over native intelligentie beschikken, waardoor ze kunnen leren, hun functionaliteiten kunnen aanpassen en hun eigen keuzes kunnen maken. Voorbeelden van dergelijke intelligente systemen zijn stemgestuurde assistenten, geavanceerde camera's die abnormaal gedrag kunnen herkennen en medische programma's die alternatieve behandelingen kunnen voorstellen.

De belangrijkste bouwstenen van dergelijke systemen omvatten twee transformatieve kerntechnologieën:kunstmatige intelligentie (AI) en cloud computing. AI ondersteunt het vermogen van het systeem om te leren en te evolueren, vergelijkbaar met de ontwikkelingsprocessen in de menselijke geest, terwijl Cloud Computing de ondersteunende infrastructuur biedt die nodig is voor de wereldwijde inzet en werking van dergelijke systemen. Samen ondersteunen de technologieën de realisatie van meer complexe, contextgevoelige en geïndividualiseerde ervaringen voor bedrijven, evenals operationele efficiëntie.

Kenmerken van een cognitief computersysteem

Het complexe systeem voert taken uit die verder gaan dan alleen het vervullen van vooraf bepaalde protocollen. Het verzamelt informatie, analyseert, trekt conclusies, gebruikt logica en verbetert voortdurend zijn methoden. Delen van het systeem kunnen in de volgende categorieën worden gegroepeerd:

1. Gegevensverzameling

Deze fase omvat het verzamelen van verschillende vormen van informatie, zoals mondelinge instructies, elektronische berichten, gebruikersinhoud en de output van sensoren. Het cloud-computingsysteem, geworteld in het gegeven raamwerk, levert de infrastructuur voor de opslag en het onderhoud van grote hoeveelheden informatie die uit verschillende bronnen is verzameld.

2. De gegevens begrijpen

Na het verzamelen van informatie gaat het systeem over naar de verwerkingsfase, waarin de informatie een reeks bewerkingen doorloopt, zoals opschonen, structureren en analyseren. Wanneer de gebruiker bijvoorbeeld het commando 'Speel het muziekstuk af' geeft, zal het systeem dit moeten ontcijferen als het verzoek van de gebruiker om een muziekstuk af te spelen.

3. Implicaties van de bevindingen

Het gebruik van kunstmatige intelligentie verbetert de herkenning van patronen in historische informatie, bijvoorbeeld de individuele muzieksmaak of de standaardintervallen tussen gebruikers die hun thermostaten opnieuw configureren. Deze impuls zorgt ervoor dat de besluitvormingsprocessen in het systeem op de lange termijn beter geïnformeerd en van beter kaliber zijn.

4. Besluitvormingsproces

Het systeem handelt volgens vooraf bepaalde logische regels of aangeleerde gedragspatronen om te beslissen wat het vervolgens gaat doen. Het heeft de mogelijkheid om een film aan te bevelen, een aanvullingsbestelling te plaatsen of iemand te informeren.

5. Voldoen aan de verwachtingen van gebruikers

Ten slotte heeft het systeem de mogelijkheid om een reactie te produceren die kan worden gegeven via spraak, tekst of door een aangepaste actie uit te voeren. Meestal wordt het antwoord gepersonaliseerd op basis van de informatie die het systeem over de gebruiker heeft geleerd.

Waarom cloudcomputing belangrijk is

Zonder cloud computing zouden intelligente systemen niet goed op grote schaal werken. Dit is waarom de cloud zo belangrijk is:

Flexibiliteit: Cloudinfrastructuur biedt de mogelijkheid voor het systeem om te schalen op basis van veranderende vraagniveaus. Wanneer meerdere gebruikers tegelijkertijd toegang hebben tot het systeem, stelt de cloudinfrastructuur bronnen op aanvraag beschikbaar.

Snelheid: Datacenters in de cloud zijn verspreid over een groot geografisch gebied en beschikken over grotere operationele mogelijkheden, waardoor een onmiddellijke en consistente respons mogelijk is.

Opslag: Cloudplatforms slaan enorme hoeveelheden gegevens op, wat nodig is voor het trainen van AI-systemen. Cloudservices worden op meerdere locaties over de hele wereld gehost en zijn toegankelijk via een groot aantal apparaten.

Onderhoud: De taken van de ontwikkelaar omvatten niet het updaten en onderhouden van de server, aangezien dit de verantwoordelijkheden zijn van de cloudserviceprovider.

Hoe AI intelligentie aanstuurt

Kunstmatige intelligentie verbetert de mogelijkheden van systemen door de toevoeging van redeneer-, leer- en optimalisatiemogelijkheden, wat resulteert in een grotere operationele effectiviteit. Enkele van de meest voorkomende toepassingen van kunstmatige intelligentie zijn onder meer

Ervaringsleren houdt in dat algoritmen voor kunstmatige intelligentie voortdurend verbeteren naarmate ze in de loop van de tijd steeds grotere hoeveelheden gegevens absorberen.

Taal begrijpen:NLP maakt het mogelijk voor systemen om input in de vorm van menselijke taal te begrijpen en erop te reageren. Visuele en auditieve herkenning:AI kan menselijke gezichten, objecten en auditieve signalen herkennen.

Voorspellende analyse heeft het vermogen om veel mogelijke uitkomsten te voorspellen; Het kan bijvoorbeeld de waarschijnlijkheid van een vertraagde verzending beoordelen of bepalen welk product het meest geschikt is om een ​​klant vervolgens te interesseren. Generatieve kunstmatige intelligentie biedt de machines de mogelijkheid om geschreven inhoud te genereren, programmeertalen te creëren, evenals muzikale en visuele vormen van kunst.

Zie ook: Een chatbot zonder personalisatie heeft geen doel. Hier is waarom!

Stemgestuurde assistent-technologie:een analytisch raamwerk

Laten we bijvoorbeeld eens kijken naar een bepaald intelligent systeem, dat wil zeggen een stemassistent die is ingebed in verschillende slimme luidsprekersystemen.

Iemand vraagt:“Wat zijn de heersende weersomstandigheden in Seattle?”

Het apparaat vangt akoestische golven op en stuurt deze naar een externe server. De cloud computing-infrastructuur zet vervolgens verbale uitwisselingen om in schriftelijke vorm. Begrijp het belang van de verklaring. Biedt de juiste meteorologische informatie.

Geeft een audio-uitvoer:"Het weer in Seattle is momenteel helder en de temperatuur is 72 graden Fahrenheit."

Figuur 1:Architectuur van spraakassistentiesystemen op hoog niveau

Het diagram biedt een algemeen overzicht van de algehele infrastructuur van een cloud-intelligent stemassistentsysteem en de manier waarop een eenvoudige gesproken vraag ('Hey Alexa, wat is het weer in Seattle?') kan worden omgezet in een natuurlijk en begrijpelijk antwoord door het gebruik van cloud- en kunstmatige intelligentie-technologieën.

Aan de kant van de gebruiker verschijnt de spraakinterface als het startpunt van de gebruikerssessie. De gebruiker spreekt een stemcommando in natuurlijke taal uit in een slimme luidspreker of, idealiter, op een display. Er bestaat in het slimme apparaat zowel een microfoon als een processor, en daarom kan het naar geluid luisteren en in een luisterstatus blijven voor een vooraf bepaald wake-word, in dit geval de naam ‘Alexa’. Bij het horen van het wake-word begint het apparaat met het opnemen van de opdracht van de gebruiker en verzendt het geluidsbestand via een beveiligd pad naar de cloudservers voor verwerking.

De echte intelligentie vindt plaats in het cloudverwerkingsgedeelte dat aan de rechterkant van het diagram wordt geïllustreerd. Automatische spraakherkenning of ASR , in de eerste pijplijnfase in de cloud, transformeert de onbewerkte audiostream in tekst. Het is een stuk ingewikkelder dan het lijkt; het moet naar verschillende accenten luisteren, achtergrondgeluiden elimineren en de subtiliteit van de stem in realtime horen. ASR-modellen worden getraind op enorme sets opnames van veel verschillende stemmen om de gesproken woorden zo nauwkeurig mogelijk vast te leggen en deze in tekstvorm te vertalen:"Hoe is het weer in Seattle?"

Hierna gaat het systeem verder naar het Natural Language Understanding (NLU) fase, waarin de intentie van de gebruiker wordt ontcijferd. Het omzetten van de stem van de gebruiker in tekst is niet voldoende; de assistent moet ook de bedoeling van de vraag en de informatie over de genoemde entiteiten begrijpen, dat wil zeggen de stad 'Seattle'. Modellen voor kunstmatige intelligentie die zijn getraind in natuurlijke taalverwerking houden zich bezig met het begrijpen van de intentie van de gebruiker bij het vragen naar het weer in ‘Seattle’ als de gewenste stad. De assistent moet ook rekening houden met de vaagheid van de woorden, de synoniemen en de context, zodat het verzoek op de juiste manier kan worden geïnterpreteerd.

Nadat het systeem de vraag volledig heeft begrepen, gaat het naar de sectie Kennis en Redeneren fase. Nu, in deze fase, selecteert de assistent de manier waarop hij toegang krijgt tot de juiste weerinformatie, het meest natuurlijk door dit te vragen aan een gezaghebbende externe dienst, dat wil zeggen een weerdatabase of API. Het systeem past aangeleerde algoritmen of vastgesteld gedrag toe bij het verwerken van ontvangen informatie; Het kan bijvoorbeeld concluderen dat het momenteel dag is in Seattle en een reactie construeren op basis van deze gevolgtrekking. Als de gebruiker de vraag 'Hoe is het weer?' stelt, kan het systeem geolocatie-informatie of daarin opgeslagen voorkeuren uit het verleden gebruiken om 'Seattle' als de meest waarschijnlijke locatie af te leiden.

Nadat de benodigde informatie is verzameld, gaat de assistent naar de Natuurlijke Taalgeneratie (NLG) fase, waarin informatie in een gestructureerde vorm wordt vertaald naar grammaticaal correcte, leesbare tekst in een voor mensen acceptabele vorm. De onbewerkte informatie, bijvoorbeeld {temperatuur:72°F, conditie:zonnig wordt herschreven in:"Het weer in Seattle is 22 graden en zonnig." Het systeem kan de juiste fraseologie gebruiken, grammaticale vereisten volgen en bij elke herhaling leuke variatie in de zin toevoegen in een poging om het zo natuurlijk mogelijk te maken. Voordat een reactie kan worden vrijgegeven voor de gebruiker, maakt het systeem ook gebruik van de Text-to-Speech (TTS) technologie in een poging de resulterende tekst in geluidsvorm om te zetten. Dit omvat het creëren van hoorbare output, normaal gesproken met een bepaald stemprofiel van vriendelijke conversatie en goede uitspraak. Het audiobestand wordt daarna via internet gestreamd met de bedoeling de gebruiker binnen enkele seconden na de uitgifte van de oorspronkelijke verklaring een duidelijk, natuurlijk klinkend antwoord te geven.

De technologische basis voor deze ervaring ligt in cloudtechnologieën. Cloud ondersteunt de schaalbaarheid van de stemassistent bij gebruik, in die zin dat hij miljoenen gelijktijdige verzoeken overal ter wereld kan beheren. Het biedt de rekenkracht die nodig is om deep learning-algoritmen voor spraak en taal uit te voeren, externe databases te bevragen en in realtime te reageren. Het biedt beveiligingsfuncties zoals gecodeerd gegevenstransport en toegangscontrole, zodat gevoelige steminformatie met de grootste voorzichtigheid wordt behandeld. Dit intelligente systeem verbetert ook met ervaring, omdat het in de loop van de tijd leert. Het kan leren van eerdere interacties met de gebruikers om het persoonlijker te maken, de voorkeuren van de gebruikers te leren kennen en praktisch aanbevelingen te doen voordat de gebruiker erom vraagt.

Conclusie

Dankzij intelligente cloud- en AI-oplossingen kunnen ondernemingen veel verder gaan dan automatisering. Intelligente systemen luisteren, leren en handelen en creëren daardoor echte waarde in de gezondheidszorg, financiën en productie, maar ook in het dagelijks leven.

Cloud helpt deze oplossingen met de kracht, flexibiliteit en bereik die ze nodig hebben. Kunstmatige intelligentie levert de intelligentie die nodig is voor denken, leren en optimaliseren. Gecombineerd bouwen ze aan een slimmere, sterk onderling verbonden mondiale omgeving – systeem voor systeem.